SSU RAG Chatbot

숭실대학교 공지사항 기반 RAG (Retrieval-Augmented Generation) 챗봇 시스템입니다.

기능

• RSS 피드를 통한 자동 공지사항 수집
• 벡터 임베딩을 통한 의미 기반 검색
• OpenAI GPT-3.5를 활용한 자연어 답변 생성
• React 기반의 모던한 채팅 인터페이스
• Docker Compose를 통한 간편한 배포

시스템 구성

• Backend: FastAPI + LangChain
• Frontend: React + Vite
• Vector DB: Milvus
• LLM: OpenAI GPT-3.5-turbo
• Storage: etcd + MinIO

실행 방법

1. 환경 변수 설정

.env 파일을 생성하고 OpenAI API 키를 설정합니다:

OPENAI_API_KEY=your_openai_api_key_here

2. Docker Compose로 실행

# 모든 서비스 시작
docker compose up -d

# 특정 서비스만 시작
docker compose up -d ssu-rag frontend

3. 접속

로컬에서 실행 시

• 채팅 인터페이스: http://localhost:3001
• API 문서: http://localhost:8888/docs
• Milvus UI (Attu): http://localhost:18000

원격 서버에서 실행 시 (SSH 포트 포워딩)

SSH 접속 시 포트 포워딩을 사용하세요:

ssh -L 3002:localhost:3001 -L 8888:localhost:8888 -L 18000:localhost:18000 user@remote-server

그 후 로컬 브라우저에서:

• 채팅 인터페이스: http://localhost:3002
• API 문서: http://localhost:8888/docs
• Milvus UI (Attu): http://localhost:18000

API 엔드포인트

채팅 API

POST /chat_api
{
  "query": "질문 내용",
  "limit": 5
}

RSS 관련

• GET /rss/status - RSS 스케줄러 상태
• GET /rss/items - 모든 RSS 아이템 조회
• POST /rss/fetch - 즉시 RSS 피드 가져오기

벡터 검색 관련

• POST /vector/process - RSS 아이템 임베딩 처리
• GET /vector/stats - 벡터 DB 통계
• GET /vector/search?query=검색어 - 유사 콘텐츠 검색

프로젝트 구조

SSU_RAG/
├── main.py              # FastAPI 메인 앱
├── chains.py            # LangChain 체인 정의
├── embedding_processor.py # 벡터 임베딩 처리
├── rss/                 # RSS 피드 처리
├── scheduler.py         # 스케줄러
├── frontend/            # React 프론트엔드
│   ├── src/
│   │   ├── components/  # React 컴포넌트
│   │   └── styles/      # CSS 스타일
│   └── package.json
├── docker-compose.yml   # Docker 구성
└── Dockerfile          # 백엔드 Docker 이미지

개발 환경 설정

백엔드 로컬 실행

uv run uvicorn main:app --host 0.0.0.0 --port 8000

프론트엔드 로컬 실행

cd frontend
npm install
npm run dev

주의사항

• OpenAI API 키가 필요합니다
• 첫 실행 시 Milvus 초기화에 시간이 걸릴 수 있습니다
• RSS 피드는 1시간마다 자동으로 업데이트됩니다

라이선스

이 프로젝트는 MIT 라이선스 하에 배포됩니다.